Validazione

58

L’ultimo filtro da applicare riguarda i parametri statistici, infatti si crea una nuova tabella pivot contenente la deviazione standard. Verranno trattenuti tutti quei valori che non superano un errore di deviazione standard pari a 1,5 Km/h.

Successivamente si crea un vettore contenente solo i numeri identificativi di quei ciclisti aventi un conteggio di valori di velocità istantanee superiore di 40, una velocità media superiore ai 5 Km/h, con una traiettoria pressoché rettilinea ed una deviazione standard minore di 1,5 Km/h, tale vettore viene inserito in una matrice contenente le rispettive velocità medie per ogni id trattenuto ed il relativo errore di deviazione standard.

Con questi valori si realizzerà un istogramma in cui ogni ciclista rappresenta una colonna la cui altezza corrisponde alla velocità media mentre alla sommità vi sono le barre di errore di deviazione standard.

L’ultimo passaggio riguarda la verifica di distribuzione, ovvero appurare se la serie di dati da analizzare segue una distribuzione Normale o Log-Normale attraverso il Test di Kolmogorov-Smirnov, il quale restituisce l’esito dell’analisi, se l’ipotesi di distribuzione è corretta allora sarà visualizzato il parametro H nullo invece se la distribuzione ipotizzata non è corretta H avrà valore unitario, inoltre all’interno del test saranno costruiti i grafici di distribuzione cumulativa per le distribuzioni Normale e Log-Normale.

59

Figura 63: Organizzazione della validazione dei dati

L’ultima verifica esamina la dimensione dell’area di un blob per ogni frame in avvicinamento o allontanamento dalla videocamera per verificare se il codice traccia correttamente i veicoli senza creare un errore sistematico.

In Figura 63 si presenta, in forma schematica, l’organizzazione del capitolo introducendo i tre confronti effettuati con lo scopo di verificare se la metodologia automatizzabile restituisce effettivamente valori coerenti con la realtà.

Primo confronto

Nel primo confronto si è preso a campione un ciclista in condizioni di luce diffusa ed con luce solare in modo da proiettare la propria ombra al suolo.

Nel primo caso si è considerata una giornata nuvolosa (18-05-2017 ore 10:14) nella quale il sole è coperto dalle nuvole in modo da avere solo la sagoma del ciclista senza la sua ombra (Figura 64).

Attraverso il software Qgis si è stati in grado di valutare la posizione del ciclista ogni 10 frame e quindi ogni 0,333 secondi (= 10/29,97 dove 29,97 è il frame rate), prendendo come riferimento la testa del ciclista poiché risulta ben visibile dall’alto, raffigurata con i punti verdi seguiti dalle lettere (rappresentati in Figura 65) e grazie al comando “Analysis Tool” e

“Distance Matrix” è stato possibile ricavare le distanze in metri di ogni punto rispetto al successivo.

Primo confronto Primo confronto

•Procedura automatica

•Procedura manuale in gis

•Procedura manuale misurando le distanze con un righello

Secondo confronto Secondo confronto

•Procedura automatica

•GPS di applicazione smatphone

•GPS della videocamera

•Procedura manuale

Terzo confronto Terzo confronto

•Area dei blob

60

Figura 64: Ciclista in condizioni di luce diffusa

Figura 65: Posizione del ciclista ogni 10 frame

Per un maggior confronto, si sono misurate manualmente, tramite un righello, le distanze in cm tra un punto e l’altro ed attraverso una proporzione (prendendo come riferimento le distanze reali misurate sul campo) si sono convertite in metri.

Tali risultati sono stati confrontati con quelli ottenuti dal calcolo automatico in funzione dei centri di massa con l’algoritmo di Matlab, sia a livello grafico (Figura 66) che a livello tabellare grazie ai valori di media e mediana (Tabella 13).

Come si può notare nel grafico (Figura 66), i valori ricavati con il gis e quelli manuali ben approssimano l’andamento discendente della curva ricavata con l’algoritmo, inoltre i risultati in gis sono simili a quelli ottenuti con la media mobile effettuata ogni 10 elementi, tranne che nel caso a 10 m in cui il valore della velocità risulta maggiore di circa 4 Km/h e questo può essere

61

dovuto alla non precisione nel riferirsi ad un pixel piuttosto che ad un altro adottando la tecnica manuale nel sistema georefenziato, infatti nel momento in cui ci si riferisce ad un punto su un’immagine, i pixel che lo compongono sono molto piccoli e risulta difficoltoso tenere conto di un pixel rispetto a quello attiguo (è necessaria una distanza di 5 cm per falsare i dati) con uno scarto di circa 5,4 Km/h (Equazione 23), mentre i valori ricavati manualmente risultano essere molto più imprecisi dato che lo strumento utilizzato presenta una precisione molto più bassa rispetto ai software.

∆𝑉 =^∆𝑠_∆𝑡=_0,0333^0,05 × 3,6 = 5,4 𝐾𝑚 ℎ⁄ Equazione 23

Un ulteriore confronto può essere effettuato tramite il calcolo della media e della mediana (Tabella 13) in cui si osserva che i valori sono piuttosto simili nel calcolo effettuato con i due software, mentre sono nettamente più elevati nel calcolo manuale.

Nel secondo caso si è presa una giornata assolata (23-05-2017 ore 11:53) nella quale la luce del sole proietta l’ombra degli oggetti al suolo ottenendo la sagoma del ciclista e la sua ombra (Figura 67) ma il procedimento seguito è comunque lo stesso del caso precedente (i punti riguardanti le posizioni della testa del ciclista sono illustrati in Figura 68).

Figura 66: Confronto grafico (zona senza ombra)

Tabella 13: Confronto delle metodologie attraverso media e mediana

Matlab media

10

Gis Manuale

Media [Km/h] 15,25 15,53 17,68

Mediana [Km/h] 14,97 14,86 17,58

62

Figura 67: Ciclista in condizioni di luce solare

Figura 68: Posizioni ciclista con ombra ogni 10 frame

Come si denota dal grafico (Figura 69), tutti gli andamenti delle curve sono ascendenti ed i valori ricavati tramite i software sono simili, tuttavia i risultati dopo i 30 m, ottenuti mediante il software Matlab, mostrano un rapido andamento discendente a causa di una brusca frenata dovuta alla presenza di un ostacolo sul percorso, mentre manualmente non è stato possibile verificare se tale andamento risulti essere veritiero poiché si entra in una zona d’ombra e la testa del ciclista non è più visibile (Figura 70 nel cerchio in giallo è evidenziato il ciclista in ombra).

63

Figura 69: Confronto grafico (zona con ombra)

Figura 70: Ciclista entrante nella zona in ombra

Tabella 14: Confronto caratteristiche statistiche

Matlab

media 10 Gis Manuale

Media [Km/h] 11,46 11,58 12,91

Mediana [Km/h] 10,98 10,62 12,94

Come nel caso precedente, i valori di media e mediana risultano essere simili nelle prime due tipologie di metodo (Tabella 14) mentre la metodologia manuale, a causa della carente precisione di stima, risulta avere valori superiori rispetto ai primi due metodi. Tutti i risultati sono riportati in allegato A alla sezione “A4 Confronto procedura automatica e manuale”.

Secondo confronto

Con il secondo confronto si verifica se la metodologia automatica mediante riprese dall’alto e successivo post-processamento dei dati risulta precisa ed accurata in confronto al GPS, all’ applicazione su smartphone e alla metodologia manuale, strutturando il programma

64

di validazione similmente allo studio Pilota #1 avendo cura di apportare tutte le migliorie delineate nei paragrafi precedenti per la riuscita del test.

Come precedentemente descritto i metodi utilizzati sono la metodologia automatica con filmati e post-processamento mediante software, sistema GPS integrato alla videocamera Garmin 9002, Applicazione su Smartphone (CycleDroid) e Metodologia manuale mentre il luogo prescelto è uguale a quello dello Studio Definitivo ovvero la pista ciclabile “Giorgio Faraggiana” posizionandosi con la videocamera Garmin 2080 sulla terrazza alla stessa altezza ed angolazione del precedente studio.

Vengono effettuati tre filmati separati in modo da rendere riconoscibile anche dall’alto la bicicletta strumentata ed in ogni filmato vi è un tragitto di andata ed uno di ritorno del veicolo in esame secondo la convenzione illustrata in Figura 71.

Figura 71: Senso di marcia del flusso veicolare

Il mezzo utilizzato è una bicicletta ordinaria a due ruote sulla quale vengono posizionati una videocamera che registra sia le immagini che la posizione mediante GPS ed uno smartphone sul quale vi è stata istallata l’applicazione CycleDroid (strumentazioni descritte al paragrafo 2.2), il veicolo strumentato deve immettersi nel flusso ciclabile e percorrere il tragitto visualizzato nell’inquadratura della videocamera posta in quota.

L’applicazione “CycleDroid” sfrutta il sistema GPS interno allo smartphone e permette di visualizzare i grafici tempo/velocità e distanza/tempo subito dopo l’arresto del veicolo, inoltre nella schermata iniziale è raffigurato il numero di satelliti agganciati dallo strumento, la velocità istantanea e la velocità media.

Dopo i rilievi si ricava dalle strumentazioni un file di estensione gpx in cui sono contenute data ed ora del rilevamento e le coordinate geografiche (latitudine, longitudine, altitudine), per di più sapendo che ogni posizione è stata tracciata in un secondo (quindi la discriminante tempo (Δt) è uguale ad 1 sec) e conoscendo le coordinate e di conseguenza la distanza da una posizione a quella successiva (Δs), è facile determinare la velocità (Equazione 24) oppure i dati ricavati dalla videocamera e dall’applicazione posso essere processati utilizzando il sito GPSVisualizer (http://www.gpsvisualizer.com/), ottenendo i valori finali di velocità operativa in Km/h e la distanza dal punto precedente in Km.

65

𝑉 [^𝐾𝑚_ℎ ] =^∆𝑠_∆𝑡 ∙ 3,6 Equazione 24

Tutte le distanze ottenute sono convertite in m e successivamente si applica una somma cumulata creando un grafico in cui sull’asse delle ascisse vi è lo spazio in metri e sull’asse delle ordinate vi è la velocità in Km/h, ma prima di ciò è necessario filtrare i dati che si sono ricavati poiché il veicolo ha iniziato a muoversi molto prima del punto in cui la camera ha iniziato a riprendere e si è fermato dopo il sottopasso in un punto coperto dall’inquadratura e per questo motivo, si sono applicate due tipologie di filtri, un filtro temporale ed uno spaziale.

Avendo a disposizione le immagini ricavate dalla camera e, siccome il GPS si attiva simultaneamente alla ripresa delle immagini, si è calcolato il tempo impiegato dalla bicicletta a raggiungere il punto iniziale di ripresa dall’alto, che in questo caso risulta essere riconoscibile anche ad altezza “suolo” poiché la pista ciclabile ha una leggera deviazione (Figura 72) mentre il punto finale di ripresa risulta essere coincidente con la porta di entrata del cortile dell’Università e con l’inizio del sottopasso (Figura 73).

Siccome si conosce la corrispondenza tra posizione e tempo (ad ogni posizione corrisponde un secondo), si è in grado di scartare i dati di posizione che non rappresentano il tracciato inquadrato dalla camera in quota, infatti caricando i valori ottenuti tramite il sito GPSVisualizer su Qgis, si è idealmente tracciato un rettangolo nel quale sono racchiusi tutti i valori da mantenere (Figura 74 e Figura 75) avendo come riferimento i punti fissi visualizzati su Google Satellite ed aprendo la finestra “Attribute Table” si osservano tali dati evidenziati in giallo.

Figura 72: Punto iniziale di ripresa

Figura 73: Punto finale di ripresa

66

Figura 74: Schermata Qgis su valori GPS della videocamera

Figura 75: Schermata Qgis su valori GPS per App

Per l’applicazione della metodologia automatica si hanno a disposizione 6 filmati frutto della segmentazione dei video originali (1 filmato di andata ed 1 filmato di ritorno in tre sequenze) e si utilizza lo stesso script precedente (Script_Finale) isolando le parti di filmato in cui compare il veicolo strumentalizzato per renderlo maggiormente riconoscibile e permettere al software di tracciare unicamente il mezzo in questione o comunque di determinare la posizione di pochi veicoli e quindi di rendere più facile il riconoscimento.

In questo specifico caso la media mobile applicata ha una finestra di 30 valori per renderla confrontabile temporalmente, infatti tutti i dati tratti dal GPS hanno un intervallo di 1 secondo tra uno e l’altro e perciò si applicata una finestra di valori pari a circa il frame rate (29,97 fps e quindi ~ 30 fps) al fine di ottenere il valore di velocità istantanea ogni secondo.

67

Figura 76: Confronto tra medie mobili da 5, 10 e 30 valori

In Figura 76 si dimostra come la media mobile con una finestra di 30 valori ben approssima la media mobile con 10 valori utilizzata per lo Studio Definitivo e che quindi qualunque risultato si ottenga dal confronto è possibile applicarlo anche ai risultati ottenuti durante lo studio definitivo, in quanto i valori che si ottengono sono simili o comunque all’interno della tolleranza di qualche Km/h.

Attraverso la procedura manuale, essendo note le distanze tra i chiusini stimate precedentemente e calcolando il tempo impiegato dal mezzo a percorrere tale distanza avvalendosi dell’aiuto del programma Windows Movie Maker, è stato possibile determinare la velocità nelle sezioni avente inizio e fine in un punto fisso (chiusino).

Come si osserva in Figura 77 (ottenuta mediante Qgis), la posizione dei punti rilevati dai satelliti risulta poco accurata avendo i punti traslati verso sinistra di circa 2 m dovuta al fatto che è difficoltoso agganciare più di tre satelliti e rilevarne il segnale data la presenza di un viale alberato e di edifici abbastanza alti. Da un’osservazione più attenta si può sostenere che solo i punti rilevati con il primo tragitto (Garmin_1) risultano essere molto precisi ed accurati poiché rimangono all’interno del perimetro della pista ciclabile mentre negli altri due rilievi (Garmin_2 e Garmin_3) non sono del tutto precisi ponendo il percorso sullo strato erboso dove non è possibile transitare.

L’applicazione che sfrutta il sistema GPS dello smartphone ha agganciato per tutta la durata del rilievo 22 satelliti (Figura 78) e che quindi ciò porti ad ipotizzare una maggiore accuratezza e precisione ma in realtà, come dimostra la Figura 79, i dati risultano poco precisi ed accurati essendo traslati a destra o a sinistra della pista ciclabile.

68

Figura 77: Posizione punti con GPS videocamera su Qgis

Figura 78: Schermata inerente al primo rilievo con tracciamento satelliti attivo

Figura 79: Posizione punti con GPS applicazione smartphone su Qgis

69

Tenuto conto di queste considerazioni, si procede alla comparazione tra le varie metodologie, nel seguito si presentano i grafici rappresentanti i diagrammi di velocità divisi per numero di rilievo e tipologia di direzione con lo scopo di confrontare le metodologie applicate.

Il primo grafico illustra l’andamento dei risultati nel primo rilievo in andata secondo le metodologie applicate (algoritmo di Matlab, GPS della videocamera Garmin, GPS dell’applicazione su smartphone, procedura manuale) e si può notare come tutte le metodologie seguono circa lo stesso andamento ascendente, sicuramente la procedura manuale restituisce valori con una precisione più approssimata ma si è riscontrato che comunque tali valori si aggirano nell’intorno dei dati ottenuti tramite software, i risultati ottenuti tramite i due GPS hanno lo stesso andamento ma i valori ottenuti tramite il GPS integrato alla videocamera Garmin risultano essere i più elevati (Figura 80).

Nel secondo grafico riferito al primo rilievo al ritorno, si può osservare che i valori ottenuti mediante le quattro procedure hanno un andamento discendente, i dati ottenuti tramite il codice Matlab, GPS integrato alla Camera e la procedura manuale ricadono nello stesso intervallo di velocità massimo di 4 Km/h mentre i risultati ricavati tramite l’applicazione non approssimano al meglio l’andatura nell’intervallo di valori dello spazio da 20 a 25 m (Figura 81).

Il terzo grafico si riferisce al secondo rilievo in andata i cui valori delle quattro procedure ben approssimano l’andamento ascendente e, come nel caso precedente, le differenze di velocità tra le metodologie applicare risultano avere un massimo di circa 6 Km/h (Figura 82).

Il quarto diagramma di velocità, essendo un percorso di ritorno, ha un andamento discendente e, come si può notare, le quattro metodologie risultano avere valori molto simili con una differenza di velocità massima di 2 Km/h (Figura 83).

Il quinto grafico rappresenta il tragitto di andata del terzo rilievo. I risultati risultano essere più sparsi e non approssimano del tutto l’andamento ascendente con una differenza di valori di velocità massima di 10 Km/h. (Figura 84).

Dal sesto diagramma, riferito al tragitto di ritorno del terzo rilievo, emerge il fatto che i dati ottenuti dallo strumento GPS della camera e dell’applicazione non approssimano al meglio l’andamento discendente che caratterizza i dati ottenuti tramite il codice Matlab e la procedura manuale (Figura 85).

Riassumendo, si dimostra che, in generale, i dati ottenuti sono coerenti tra loro poiché hanno tutti lo stesso andamento (ascendente o discendente a seconda che si tratti di una traiettoria di andata o di ritorno) che va al di là dell’accuratezza propria di ciascun dato.

Figura 80: Confronto Primo rilievo in andata (1A)

70

Figura 81: Confronto Primo rilievo al ritorno (1R)

Figura 82: Confronto Secondo rilievo in andata (2A)

Figura 83: Confronto Secondo rilievo al ritorno (2R)

71

Figura 84: Confronto Terzo rilievo in andata (3A)

Figura 85: Confronto Terzo rilievo al ritorno (3R)

Inoltre si confrontano le velocità medie per ogni metodologia per ogni rilievo attraverso la Tabella 15 dove si può osservare che nella maggior parte dei casi il valore massimo è stato ottenuto tramite il GPS della videocamera e che le medie ottenute per uno stesso evento sono simili e perciò si può dedurre che la tecnica automatizzata tramite software è un valido sostituto delle metodologie tradizionalmente utilizzate approssimando al meglio i reali risultati.

Riassumendo, dai risultati ottenuti sia a livello grafico che a livello matematico, si può sostenere che i dati ben descrivono il fenomeno osservato e che tutte le metodologie, sotto il profilo dell’accuratezza e della precisione, possono essere applicate indistintamente nel limite della tolleranza di ogni metodo.

72

Tabella 15: Confronto tra metodologie per la validazione dati Percorso Metodo MEDIA

1A MATLAB 10,32 1A GARMIN 12,99

1A APP 9,94

1A MANUALE 9,85 1R MATLAB 13,81 1R GARMIN 12,21

1R APP 12,44

1R MANUALE 12,91 2A MATLAB 11,63 2A GARMIN 12,62

2A APP 10,94

2A MANUALE 11,96 2R MATLAB 15,11 2R GARMIN 15,24

2R APP 13,38

2R MANUALE 14,39 3A MATLAB 17,52 3A GARMIN 17,31

3A APP 16,68

3A MANUALE 16,52 3R MATLAB 17,14 3R GARMIN 21,68

3R APP 16,73

3R MANUALE 17,93

Terzo confronto

La terza verifica si effettua un’ulteriore verifica con lo scopo di esaminare come la metodologia automatica modifichi, di volta in volta, la dimensione dell’oggetto in movimento e quindi la grandezza dell’area composta da pixel in bianco a seconda dell’andamento prospettico.

Per questo scopo si aggiunge la variabile “area_mat” che contiene al suo interno un vettore dei valori dell’area per ogni blob che compare in ogni singolo fotogramma e come output viene restituita una matrice dove nella prima colonna vi sono i valori in pixel dell’area di ogni blob per ogni frame mentre la seconda e la terza colonna sono riportate le coordinate dei centri di massa. L’ intero codice è riportato in allegato B nella sezione “B5 Codice per ricavare le aree dei blob”.

if isempty(AREA)==0

area_mat(conta_area,1:3)=[AREA, centroids(1,1), centroids(1,2)];

conta_area=conta_area+1;

end

73

In Figura 86 è rappresentato l’andamento del valore dell’area in funzione della distanza, come si può notare come nei primi metri l’area è molto ridotta poiché il ciclista non è ancora del tutto comparso nell’inquadratura, per poi avere un picco a circa 30 m quando il ciclista risulta essere quasi perpendicolare alla camera fino a diminuire la propria dimensione in quanto l’entità sta per uscire dall’inquadratura, mentre in Figura 87 è invece rappresentato l’andamento dell’area del blob al ritorno, in cui, dopo la comparsa del blob, si ha un picco a circa 5 m che corrisponde alla perpendicolarità del ciclista con la videocamera per poi mantenere un andamento pressoché costante.

Figura 86: Andamento blob area in Andata

Figura 87: Andamento blob area in Ritorno

74